3D-Object-Detection:用于3D对象检测的加权无监督学习

用于3D对象检测的加权无监督学习 参考论文： 3D对象检测： 本文介绍了一种使用RGB-D相机进行物体检测的新型加权无监督学习。 该技术对于检测由RGB-D相机捕获的嘈杂环境中的运动物体是可行的。 本文的主要贡献是使用加权聚类作为单独的聚类来检测每个对象的实时算法。 在预处理步骤中，该算法计算每个数据点的位姿3D位置X，Y，Z和RGB颜色，然后使用该点的邻居计算每个数据点的法线向量。 经过预处理后，我们的算法会为每个数据点计算k权重； 每个权重表示成员资格。 导致场景的群集对象。 使用RGB-D摄像机检测3D对象的管道主要包括两个部分：1）预处理，包括映射，反投影，法线生成，背景去除；以及2）聚类，包括分配的初始权重，距离计算，更新权重和分配的颜色，最后可视化以说明结果。 结果： 分辨率为1920 X 1080的Kinect彩色框（RGB）; b）Kinect深度框架，分辨率为51